Skip to content
简体中文

切换主题

发现▾

不知道从哪开始？本周最热的软件、模型和组合，3 分钟看完 AI 圈的变化。

AI 软件▾

给人用的 AI 软件：从 ChatGPT 这类助手，到写代码、做视频、搭工作流的工具，按用途挑。

Agent 工具▾

给 AI 用的软件：让你的 agent（Claude Code、Codex、Cursor…）能上网、读文档、跑代码、记住事情。

模型▾

选模型、算成本、自己部署：价格、榜单、评测、免费额度和自建算力都在这里。

解决方案▾

有具体目标或报错？按场景给出现成的软件组合、步骤和问题解法。

学 AI▾

一套从零到前沿的系统课程，配算法库、必读论文和精选教程。

前沿▾

每天的 AI 新闻、每周热点、最新论文和 AI 改造各学科的进度。

工具▾

在浏览器里直接用的小工具：数据只在你的设备上处理，不上传。

arXiv 2610.28698 · cs.AI · 2026-10-20

Scaling in Games: Continued Pre-Training For Embodied Agents In Diverse Virtual Worlds

Kuan Zhang, Yukun Chen, Zhihao Yang, Yue Su, Xiangnan Wu, Zirong Chen, Run Luo, Jinkun Hou 等 11 人

Tsinghua Spatial Intelligence Lab

在最新榜 #56 本站收录于 2026-10-23

一句话要点

清华空间智能实验室用 120 组配置（0.8B–27B 模型、50–1600 小时数据、5 种数据混合）研究具身智能体在多款游戏世界中的继续预训练，发现数据量提升同世界表现，数据多样性提升向相近世界的迁移。

Tsinghua’s Spatial Intelligence Lab studies continued pre-training of embodied agents across game worlds with 120 configurations (0.8B–27B models, 50–1,600 hours, five data mixtures): more data helps in-corpus play, while diversity helps transfer to related worlds.

78HF 点赞
397GitHub stars
0引用（Semantic Scholar）
64.3热度分

阅读 arXiv 原文 PDF Hugging Face 讨论 代码仓库 项目页

主题与学科

机器人与具身智能体高效训练与推理

AI × 机器人与自动化

同主题：机器人与具身

同主题：智能体

数据说明

元数据来自 arXiv API（已核实）；点赞来自 Hugging Face 每日论文；引用来自 Semantic Scholar。最近刷新 2026-10-26。

要点由本站根据摘要自写，不转载摘要原文，请阅读原文。

数据更新于：最新 AI 论文（北京时间）